- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我知道 ValueError
问题已经被问到很多 times 。我仍在努力寻找答案,因为我在我的代码中使用了 inverse_transform
。
假设我有一个数组 a
a.shape
> (100,20)
b
b.shape
> (100,3)
np.concatenate
时,
hat = np.concatenate((a, b), axis=1)
hat
的形状是
hat.shape
(100,23)
inversed_hat = scaler.inverse_transform(hat)
ValueError: operands could not be broadcast together with shapes (100,23) (25,) (100,23)
inverse_transform
中的广播错误吗?任何建议都会有所帮助。提前致谢!
最佳答案
虽然您没有指定,但我假设您正在使用 inverse_transform()
来自 scikit learn 的 StandardScaler
.您需要先拟合数据。
import numpy as np
from sklearn.preprocessing import MinMaxScaler
In [1]: arr_a = np.random.randn(5*3).reshape((5, 3))
In [2]: arr_b = np.random.randn(5*2).reshape((5, 2))
In [3]: arr = np.concatenate((arr_a, arr_b), axis=1)
In [4]: scaler = MinMaxScaler(feature_range=(0, 1)).fit(arr)
In [5]: scaler.inverse_transform(arr)
Out[5]:
array([[ 0.19981115, 0.34855509, -1.02999482, -1.61848816, -0.26005923],
[-0.81813499, 0.09873672, 1.53824716, -0.61643731, -0.70210801],
[-0.45077786, 0.31584348, 0.98219019, -1.51364126, 0.69791054],
[ 0.43664741, -0.16763207, -0.26148908, -2.13395823, 0.48079204],
[-0.37367434, -0.16067958, -3.20451107, -0.76465428, 1.09761543]])
In [6]: new_arr = scaler.inverse_transform(arr)
In [7]: new_arr.shape == arr.shape
Out[7]: True
关于python - 值错误 : operands could not be broadcast together with shapes - inverse_transform- Python,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45847006/
我有一组我用scikit学习PCA的数据。在使用 StandardScaler() 执行 PCA 之前,我对数据进行了缩放。 variance_to_retain = 0.99 np_scaled =
将我的数据拟合后X = 我的数据 pca = PCA(n_components=1) pca.fit(X) X_pca = pca.fit_transform(X) 现在 X_pca 具有一维。 当我
当训练模型时,比如线性回归,我们可以在训练测试数据集上进行归一化,例如 MinMaxScaler。 在我们获得经过训练的模型并使用它进行预测,并将预测缩小到原始表示之后。 在Python中,有“inv
我根据它的列缩放了一个矩阵,如下所示: scaler = MinMaxScaler(feature_range=(-1, 1)) data = np.array([[-1, 2], [-0.5, 6]
在对各种数组执行连续变换后,我在使用 inverse_transform 方法对数组进行反向变换时遇到了一些困难。我可以使用 .lambdas_ 属性访问用于原始转换的 lambda 值。此外,据我所
我正在尝试标准化我的数据(形状为(23687,7)),然后将原始数据集的平均值和标准差保存到“normalized_param.pkl”> 将标准化数据拟合到我的 LSTM 模型后,我将得到一个答
在实例化 MultiLabelBinarizer 之后,我需要它的 inverse_transform 方法来处理我在别处构建的矩阵。不幸的是, import numpy as np from skl
我有一个用 sklearn 构建的随机森林模型。该模型构建在一个文件中,我有第二个文件,在其中使用 joblib 加载模型并将其应用于新数据。数据具有通过 sklearn 的预处理 LabelEnco
我知道 ValueError 问题已经被问到很多 times 。我仍在努力寻找答案,因为我在我的代码中使用了 inverse_transform。 假设我有一个数组 a a.shape > (100,
如果您在 inverse_transform 期间出于某种原因拟合 sklearn.preprocessing.LabelEncoder 类型为 int 的标签> 它返回 numpy.int64 类型
我是一名优秀的程序员,十分优秀!